环境篇：呕心沥血@CDH线上调优

环境篇：呕心沥血@线上调优

• 为什么出这篇文章？

近期有很多公司开始引入大数据，由于各方资源有限，并不能合理分配服务器资源，和服务器选型，小叶这里将工作中的总结出来，给新入行的小伙伴带个方向，不敢说一定对，但是本人亲自测试，发现集群使用率稳定提高了3分之1，最高可达到2分之1，有不对的地方欢迎留言指出。

注：可能有些服务没有设计，使用到的小伙伴可以参照这种方式去规划。

0 资源：集群服务安排

服务名称	子服务	CM-64G	ZK-Kafka(3台)-12G	DataNode(3台)-64G	NameNode1-64G	NameNode2-64G	Resourcemanager1-32G	Resourcemanager2-32G	hive-hbase-16G	hive-hbase-16G
MySQL	MySQL	√
CM	Activity Monitor Alert Publisher Event Server Host Monitor Service Monitor	√ √ √ √ √
HDFS	NameNode DataNode Failover Controller JournalNode			X √ X X	√ X √ √	√ X √ √	X X X √
Yarn	NodeManager Resourcemanager JobHisoryServer			√ X X			X √ √	X √ √
Zookeeper	Zookeeper Server		√
Kafka	Kafka Broker		√
Hive	Hive Metastore Server HiveServer2 Gateway（安装对应应用服务器）			X √ √					√ X √	√ X √
Hbase	HMaster HRegionServer Thrift Server			X √ √					√ X	√ X
Oozie	Oozie Server						√
Hue	Hue Server Load Balancer						X √	√ X
Spark	History Server Gateway（安装对应应用服务器）							√ X
Flume	Flume Agent （安装对应应用服务器）
Sqoop	Sqoop（安装对应应用服务器）

1 优化：Cloudera Management

1.1 Cloudera Management Service

这些服务主要是提供监控功能，目前的调整主要集中在内存放，以便有足够的资源 完成集群管理。

服务	选项	配置值
Activity Monitor	Java Heap Size	2G
Alert Publisher	Java Heap Size	2G
Event Server	Java Heap Size	2G
Host Monitor	Java Heap Size	4G
Service Monitor	Java Heap Size	4G
Reports Manager	Java Heap Size	2G
Navigator Metadata Server	Java Heap Size	8G

2 优化：Zookeeper

服务	选项	配置值
Zookeeper	Java Heap Size (堆栈大小)	4G
Zookeeper	maxClientCnxns (最大客户端连接数)	1024
Zookeeper	dataDir (数据文件目录+数据持久化路径)	/hadoop/zookeeper (建议独立目录)
Zookeeper	dataLogDir (事务日志目录)	/hadoop/zookeeper_log (建议独立目录)

3 优化：HDFS

3.1 磁盘测试

3.1.1 读测试

hdparm 用于查看硬盘的相关信息或对硬盘进行测速、优化、修改硬盘相关参数设定

#安装hdparm
yum install hdparm
#获取硬盘符
fdisk -l
#读测试(读取上一步获取硬盘符)
hdparm -t /dev/vda

三次测试结果：

Timing buffered disk reads: 500 MB in 0.84 seconds = 593.64 MB/sec

Timing buffered disk reads: 500 MB in 0.93 seconds = 538.80 MB/sec

Timing buffered disk reads: 500 MB in 0.74 seconds = 672.95 MB/sec

说明：接近1s秒读取了500MB磁盘，读速度约 500 MB/秒

3.1.2 写测试

dd 这里使用 time + dd 简单测试写速度，不要求很精确

查看内存缓存情况
free -m

清除缓存
sync; echo 3 > /proc/sys/vm/drop_caches

查block size
blockdev --getbsz /dev/vda

写测试
echo 3 > /proc/sys/vm/drop_caches; time dd if=/dev/zero of=/testdd bs=4k count=100000

三次测试结果：

记录了100000+0 的读入

记录了100000+0 的写出

409600000 bytes (410 MB) copied, 0.574066 s, 714 MB/s --410MB复制，用时0.57秒，评估714M/s

409600000 bytes (410 MB) copied, 1.84421 s, 222 MB/s --410MB复制，用时1.84秒，评估222 M/s

409600000 bytes (410 MB) copied, 1.06969 s, 383 MB/s --410MB复制，用时1.06秒，评估383M/s

3.1.3 网络带宽

iperf3测量一个网络最大带宽

#安装iperf3
yum -y install iperf3

#服务端
iperf3 -s

#客户端
iperf3 -c 上调命令执行的服务机器IP

测试结果：

[ ID]-->线程id	Interva-->传输时间	Transfer-->接收数据大小	Bandwidth-->带宽每秒大小	Retr	角色
[ 4]	0.00-10.00 sec	17.0 GBytes	14.6 Gbits/sec	0	sender-->发送
[ 4]	0.00-10.00 sec	17.0 GBytes	14.6 Gbits/sec		receiver-->接收

3.2 官方压测

3.2.1 用户准备

由于只能使用yarn配置了允许用户，故这里选择hive用户，如果su hive不能进入，则需要配置该步骤

usermod -s /bin/bash  hive
su hive

3.2.2 HDFS 写性能测试

• 测试内容：HDFS集群写入10个128M文件(-D指定文件存储目录)

hadoop  jar /opt/cloudera/parcels/CDH-6.2.0-1.cdh6.2.0.p0.967373/jars/hadoop-mapreduce-client-jobclient-3.0.0-cdh6.2.0-tests.jar  TestDFSIO  -D test.build.data=/test/benchmark -write -nrFiles 10 -fileSize 128

INFO fs.TestDFSIO: ----- TestDFSIO ----- : write

INFO fs.TestDFSIO: Date & time: Thu Jun 11 10:30:36 CST 2020

INFO fs.TestDFSIO: Number of files: 10 --十个文件

INFO fs.TestDFSIO: Total MBytes processed: 1280 --总大小1280M

INFO fs.TestDFSIO: Throughput mb/sec: 16.96 --吞吐量 每秒16.96M

INFO fs.TestDFSIO: Average IO rate mb/sec: 17.89 --平均IO情况17.89M

INFO fs.TestDFSIO: IO rate std deviation: 4.74 --IO速率标准偏差

INFO fs.TestDFSIO: Test exec time sec: 46.33 --总运行时间

3.2.3 HDFS 读性能测试

• 测试内容：HDFS集群读取10个128M文件

hadoop jar /opt/cloudera/parcels/CDH-6.2.0-1.cdh6.2.0.p0.967373/jars/hadoop-mapreduce-client-jobclient-3.0.0-cdh6.2.0-tests.jar TestDFSIO  -D test.build.data=/test/benchmark -read -nrFiles 10 -fileSize 128

INFO fs.TestDFSIO: ----- TestDFSIO ----- : read

INFO fs.TestDFSIO: Date & time: Thu Jun 11 10:41:19 CST 2020

INFO fs.TestDFSIO: Number of files: 10 --文件数

INFO fs.TestDFSIO: Total MBytes processed: 1280 --总大小

INFO fs.TestDFSIO: Throughput mb/sec: 321.53 --吞吐量 每秒321.53M

INFO fs.TestDFSIO: Average IO rate mb/sec: 385.43 --平均IO情况385.43M

INFO fs.TestDFSIO: IO rate std deviation: 107.67 --IO速率标准偏差

INFO fs.TestDFSIO: Test exec time sec: 20.81 --总运行时间

3.2.4 删除测试数据

hadoop jar /opt/cloudera/parcels/CDH-6.2.0-1.cdh6.2.0.p0.967373/jars/hadoop-mapreduce-client-jobclient-3.0.0-cdh6.2.0-tests.jar TestDFSIO  -D test.build.data=/test/benchmark -clean

3.3 参数调优

服务	选项	配置值
NameNode	Java Heap Size (堆栈大小)	56G
NameNode	dfs.namenode.handler.count (详见3.3.2)	80
NameNode	dfs.namenode.service.handler.count (详见3.3.2)	80
NameNode	fs.permissions.umask-mode (使用默认值022)	027(使用默认值022)
DataNode	Java Heap Size (堆栈大小)	8G
DataNode	dfs.datanode.failed.volumes.tolerated (详见3.3.3)	1
DataNode	dfs.datanode.balance.bandwidthPerSec (DataNode 平衡带宽)	100M
DataNode	dfs.datanode.handler.count (服务器线程数)	64
DataNode	dfs.datanode.max.transfer.threads (最大传输线程数)	20480
JournalNode	Java Heap Size (堆栈大小)	1G

3.3.1 数据块优化

dfs.blocksize = 128M

• 文件以块为单位进行切分存储，块通常设置的比较大（最小6M，默认128M）,根据网络带宽计算最佳值。
• 块越大，寻址越快，读取效率越高，但同时由于MapReduce任务也是以块为最小单位来处理，所以太大的块不利于于对数据的并行处理。
• 一个文件至少占用一个块（如果一个1KB文件，占用一个块，但是占用空间还是1KB）
• 我们在读取HDFS上文件的时候，NameNode会去寻找block地址，寻址时间为传输时间的1%时，则为最佳状态。
  • 目前磁盘的传输速度普遍为100MB/S
  • 如果寻址时间约为10ms，则传输时间=10ms/0.01=1000ms=1s
  • 如果传输时间为1S，传输速度为100MB/S，那么一秒钟我们就可以向HDFS传送100MB文件，设置块大小128M比较合适。
  • 如果带宽为200MB/S，那么可以将block块大小设置为256M比较合适。

3.3.2 NameNode 的服务器线程的数量

• dfs.namenode.handler.count=20*log2(Cluster Size)，比如集群规模为16 ，8以2为底的对数是4，故此参数设置为80
• dfs.namenode.service.handler.count=20*log2(Cluster Size)，比如集群规模为16 ，8以2为底的对数是4，故此参数设置为80

NameNode有一个工作线程池，用来处理不同DataNode的并发心跳以及客户端并发的元数据操作。该值需要设置为集群大小的自然对数乘以20,。

3.3.3 DataNode 停止提供服务前允许失败的卷的数量

DN多少块盘损坏后停止服务，默认为0，即一旦任何磁盘故障DN即关闭。 对盘较多的集群（例如DN有超过2块盘），磁盘故障是常态，通常可以将该值设置为1或2，避免频繁有DN下线。

4 优化：YARN + MapReduce

服务	选项	配置值	参数说明
ResourceManager	Java Heap Size (堆栈大小)	4G
ResourceManager	yarn.scheduler.minimum-allocation-mb (最小容器内存)	2G	给应用程序 Container 分配的最小内存
ResourceManager	yarn.scheduler.increment-allocation-mb (容器内存增量)	512M	如果使用 Fair Scheduler，容器内存允许增量
ResourceManager	yarn.scheduler.maximum-allocation-mb (最大容器内存)	32G	给应用程序 Container 分配的最大内存
ResourceManager	yarn.scheduler.minimum-allocation-vcores (最小容器虚拟 CPU 内核数量)	1	每个 Container 申请的最小 CPU 核数
ResourceManager	yarn.scheduler.increment-allocation-vcores (容器虚拟 CPU 内核增量)	1	如果使用 Fair Scheduler,虚拟 CPU 内核允许增量
ResourceManager	yarn.scheduler.maximum-allocation-vcores (最大容器虚拟 CPU 内核数量)	16	每个 Container 申请的最大 CPU 核数
ResourceManager	yarn.resourcemanager.recovery.enabled	true	启用后，ResourceManager 中止时在群集上运行的任何应用程序将在 ResourceManager 下次启动时恢复，备注：如果启用 RM-HA，则始终启用该配置。
NodeManager	Java Heap Size (堆栈大小)	4G
NodeManager	yarn.nodemanager.resource.memory-mb	40G	可分配给容器的物理内存数量，参照资源池内存90%左右
NodeManager	yarn.nodemanager.resource.cpu-vcores	32	可以为容器分配的虚拟 CPU 内核的数量，参照资源池内存90%左右
ApplicationMaster	yarn.app.mapreduce.am.command-opts	右红	传递到 MapReduce ApplicationMaster 的 Java 命令行参数 "-Djava.net.preferIPv4Stack=true "
ApplicationMaster	yarn.app.mapreduce.am.resource.mb (ApplicationMaster 内存)	4G
JobHistory	Java Heap Size (堆栈大小)	2G
MapReduce	mapreduce.map.memory.mb （Map 任务内存）	4G	一个MapTask可使用的资源上限。如果MapTask实际使用的资源量超过该值，则会被强制杀死。
MapReduce	mapreduce.reduce.memory.mb (Reduce 任务内存)	8G	一个 ReduceTask 可使用的资源上限。如果 ReduceTask 实际使用的资源量超过该值，则会被强制杀死
MapReduce	mapreduce.map.cpu.vcores	2	每个 MapTask 可使用的最多 cpu core 数目
MapReduce	mapreduce.reduce.cpu.vcores	4	每个 ReduceTask 可使用的最多 cpu core 数目
MapReduce	mapreduce.reduce.shuffle.parallelcopies	20	每个 Reduce 去 Map 中取数据的并行数。
MapReduce	mapreduce.task.io.sort.mb(Shuffle 的环形缓冲区大小)	512M	当排序文件时要使用的内存缓冲总量。注意：此内存由 JVM 堆栈大小产生（也就是：总用户 JVM 堆栈 - 这些内存 = 总用户可用堆栈空间）
MapReduce	mapreduce.map.sort.spill.percent	80%	环形缓冲区溢出的阈值
MapReduce	mapreduce.task.timeout	10分钟	Task 超时时间，经常需要设置的一个参数，该参数表 达的意思为：如果一个 Task 在一定时间内没有任何进 入，即不会读取新的数据，也没有输出数据，则认为 该 Task 处于 Block 状态，可能是卡住了，也许永远会 卡住，为了防止因为用户程序永远 Block 住不退出， 则强制设置了一个该超时时间。如果你的程序对每条输入数据的处理时间过长（比如会访问数据库，通过网络拉取数据等），建议将该参数调大，该参数过小常出现的错误提示是 ：AttemptID:attempt_12267239451721_123456_m_00 0335_0 Timed out after 600 secsContainer killed by the ApplicationMaster。

5 优化：Impala

服务	选项	配置值	参数说明
Impala Daemon	mem_limit (内存限制)	50G	由守护程序本身强制执行的 Impala Daemon 的内存限制。 如果达到该限制，Impalad Daemon 上运行的查询可能会被停止
Impala Daemon	Impala Daemon JVM Heap	512M	守护进程堆栈大小
Impala Daemon	scratch_dirs	节点上多块独立磁盘(目录)	Impala Daemon 将溢出信息等数据写入磁盘以释放内存所在的目录。这可能是大量数据
Impala Catalog Server	Java Heap Size	8G	堆栈大小

6 优化：Kafka

6.1 官方压测

6.1.1 Kafka Producer 压力测试

• record-size 是一条信息有多大，单位是字节。
• num-records 是总共发送多少条信息。
• throughput 是每秒多少条信息，设成-1，表示不限流，可测出生产者最大吞吐量。

bash /opt/cloudera/parcels/CDH-6.2.0-1.cdh6.2.0.p0.967373/lib/kafka//bin/kafka-producer-perf-test.sh --topic test --record-size 100 --num-records 100000 --throughput -1 --producer-props bootstrap.servers=cdh01.cm:9092,cdh02.cm:9092,cdh03.cm:9092

100000 records sent, 225733.634312 records/sec (21.53 MB/sec),

8.20 ms avg latency, 66.00 ms max latency,

3 ms 50th, 28 ms 95th, 30 ms 99th, 30 ms 99.9th.

参数解析：一共写入 10w 条消息，吞吐量为 21.53 MB/sec，每次写入的平均延迟

为 8.20 毫秒，最大的延迟为 66.00 毫秒。

6.1.2 Kafka Consumer 压力测试

• zookeeper 指定 zookeeper 的链接信息
• topic 指定 topic 的名称
• fetch-size 指定每次 fetch 的数据的大小
• messages 总共要消费的消息个数

bash /opt/cloudera/parcels/CDH-6.2.0-1.cdh6.2.0.p0.967373/lib/kafka//bin/kafka-consumer-perf-test.sh --broker-list cdh01.cm:9092,cdh02.cm:9092,cdh03.cm:9092 --topic test --fetch-size 10000 --messages 10000000 --threads 1

start.time, end.time, data.consumed.in.MB, MB.sec, data.consumed.in.nMsg, nMsg.sec, rebalance.time.ms, fetch.time.ms, fetch.MB.sec, fetch.nMsg.sec

2020-06-11 17:53:48:179, 2020-06-11 17:54:04:525, 57.2205, 3.5006, 600000, 36706.2278, 3051, 13295, 4.3039, 45129.7480

start.time：2020-06-11 17:53:48:179 开始时间

end.time：2020-06-11 17:54:04:525 结束时间（用时16秒）

data.consumed.in.MB：57.2205 消费57M数据

MB.sec：3.5006 3.5M/S

data.consumed.in.nMsg：600000 消费60万消息

nMsg.sec：36706.2278 36706条消息/S

rebalance.time.ms：3051 平衡时间3S

fetch.time.ms：13295 抓取时间13S

fetch.MB.sec：4.3039 一秒抓取4.3M

fetch.nMsg.sec：45129.7480 一秒抓取45129条消息

开始测试时间，测试结束数据，共消费数据57.2205MB，吞吐量 3.5M/S，共消费600000条，平均每秒消费36706.2278条。

6.1.3 Kafka 机器数量计算

Kafka 机器数量（经验公式）= 2 X（峰值生产速度 X 副本数 /100）+ 1

先拿到峰值生产速度，再根据设定的副本数，就能预估出需要部署 Kafka 的数量。

比如我们的峰值生产速度是 50M/s。副本数为 2。

Kafka 机器数量 = 2 X（ 50 X 2 / 100 ）+ 1 = 3 台

6.2 参数调优

服务	选项	配置值	参数说明
Kafka Broker	Java Heap Size of Broker	2G	Broker堆栈大小
Kafka Broker	Data Directories	多块独立磁盘
Kafka 服务	Maximum Message Size	10M	服务器可以接收的消息的最大大小。此属性必须与使用者使用的最大提取大小同步。否则，不守规矩的生产者可能会发布太大而无法消费的消息
Kafka 服务	Replica Maximum Fetch Size	20M	副本发送给leader的获取请求中每个分区要获取的最大字节数。此值应大于message.max.bytes。
Kafka 服务	Number of Replica Fetchers	6	用于复制来自领导者的消息的线程数。增大此值将增加跟随者代理中I / O并行度。

7 优化：HBase

服务	选项	配置值	参数说明
HBase	Java Heap Size	18G	客户端 Java 堆大小（字节）主要作用来缓存Table数据，但是flush时会GC，不要太大，根据集群资源，一般分配整个Hbase集群内存的70%，16->48G就可以了
HBase	hbase.client.write.buffer	512M	写入缓冲区大小，调高该值，可以减少RPC调用次数，单数会消耗更多内存，较大缓冲区需要客户端和服务器中有较大内存，因为服务器将实例化已通过的写入缓冲区并进行处理，这会降低远程过程调用 (RPC) 的数量。
HBase Master	Java Heap Size	8G	HBase Master 的 Java 堆栈大小
HBase Master	hbase.master.handler.count	300	HBase Master 中启动的 RPC 服务器实例数量。
HBase RegionServer	Java Heap Size	31G	HBase RegionServer 的 Java 堆栈大小
HBase RegionServer	hbase.regionserver.handler.count	100	RegionServer 中启动的 RPC 服务器实例数量，根据集群情况，可以适当增加该值，主要决定是客户端的请求数
HBase RegionServer	hbase.regionserver.metahandler.count	60	用于处理 RegionServer 中的优先级请求的处理程序的数量
HBase RegionServer	zookeeper.session.timeout	180000ms	ZooKeeper 会话延迟（以毫秒为单位）。HBase 将此作为建议的最长会话时间传递给 ZooKeeper 仲裁
HBase RegionServer	hbase.hregion.memstore.flush.size	1G	如 memstore 大小超过此值，Memstore 将刷新到磁盘。通过运行由 hbase.server.thread.wakefrequency 指定的频率的线程检查此值。
HBase RegionServer	hbase.hregion.majorcompaction	0	合并周期，在合格节点下，Region下所有的HFile会进行合并，非常消耗资源，在空闲时手动触发
HBase RegionServer	hbase.hregion.majorcompaction.jitter	0	抖动比率，根据上面的合并周期，有一个抖动比率，也不靠谱，还是手动好
HBase RegionServer	hbase.hstore.compactionThreshold	6	如在任意一个 HStore 中有超过此数量的 HStoreFiles，则将运行压缩以将所有 HStoreFiles 文件作为一个 HStoreFile 重新写入。（每次 memstore 刷新写入一个 HStoreFile）您可通过指定更大数量延长压缩，但压缩将运行更长时间。在压缩期间，更新无法刷新到磁盘。长时间压缩需要足够的内存，以在压缩的持续时间内记录所有更新。如太大，压缩期间客户端会超时。
HBase RegionServer	hbase.client.scanner.caching	1000	内存未提供数据的情况下扫描仪下次调用时所提取的行数。较高缓存值需启用较快速度的扫描仪，但这需要更多的内存且当缓存为空时某些下一次调用会运行较长时间
HBase RegionServer	hbase.hregion.max.filesize	50G	HStoreFile 最大大小。如果列组的任意一个 HStoreFile 超过此值，则托管 HRegion 将分割成两个

8 优化：Hive

服务	选项	配置值	参数说明
HiveServer2	Java Heap Size	4G
Hive MetaStore	Java Heap Size	8G
Hive Gateway	Java Heap Size	2G
Hive	hive.execution.engine	Spark	执行引擎切换
Hive	hive.fetch.task.conversion	more	Fetch抓取修改为more，可以使全局查找，字段查找，limit查找等都不走计算引擎，而是直接读取表对应储存目录下的文件，大大普通查询速度
Hive	hive.exec.mode.local.auto（hive-site.xml 服务高级配置，客户端高级配置）	true	开启本地模式，在单台机器上处理所有的任务，对于小的数据集，执行时间可以明显被缩短
Hive	hive.exec.mode.local.auto.inputbytes.max（hive-site.xml 服务高级配置，客户端高级配置）	50000000	文件不超过50M
Hive	hive.exec.mode.local.auto.input.files.max（hive-site.xml 服务高级配置，客户端高级配置）	10	个数不超过10个
Hive	hive.auto.convert.join	开启	在join问题上，让小表放在左边 去左链接（left join）大表，这样可以有效的减少内存溢出错误发生的几率
Hive	hive.mapjoin.smalltable.filesize（hive-site.xml 服务高级配置，客户端高级配置）	50000000	50M以下认为是小表
Hive	hive.map.aggr	开启	默认情况下map阶段同一个key发送给一个reduce，当一个key数据过大时就发生数据倾斜。
Hive	hive.groupby.mapaggr.checkinterval（hive-site.xml 服务高级配置，客户端高级配置）	200000	在map端进行聚合操作的条目数目
Hive	hive.groupby.skewindata（hive-site.xml 服务高级配置，客户端高级配置）	true	有数据倾斜时进行负载均衡，生成的查询计划会有两个MR Job，第一个MR Job会将key加随机数均匀的分布到Reduce中，做部分聚合操作（预处理），第二个MR Job在根据预处理结果还原原始key，按照Group By Key分布到Reduce中进行聚合运算，完成最终操作
Hive	hive.exec.parallel（hive-site.xml 服务高级配置，客户端高级配置）	true	开启并行计算
Hive	hive.exec.parallel.thread.number（hive-site.xml 服务高级配置，客户端高级配置）	16G	同一个sql允许的最大并行度，针对集群资源适当增加

9 优化：Oozie、Hue

服务	选项	配置值	参数说明
Oozie	Java Heap Size	1G	堆栈大小
Hue	Java Heap Size	4G	堆栈大小